提示工程师是人工智能大模型时代涌现的新兴职业，代表人物 Riley Goodside 因擅长 Prompt Engineering 获得 Scale AI 高薪聘请。文章详细阐述了提示工程的定义、技巧（如 Few-Shot、Chain-of-Thought）及行业现状，对比了不同企业对这一岗位的认知与薪资水平。内容涵盖了对该职业是否算作真正工程师的争议、未来可能被自动化取代的风险，以及系统性的学习路径建议，包括系统设计、提示词基础、平台开发、RAG 应用、微调训练和多模态融合等七个阶段，旨在帮助读者理解并掌握这一前沿技能。
随着 ChatGPT 等生成式人工智能技术的爆发，一种名为'提示工程师'（Prompt Engineer）的新兴职业应运而生。Riley Goodside（业内常称好面哥）是这一领域的代表性人物。他在今年 4 月开始在网上分享使用 GPT-3 的心得，不仅积累了大量粉丝，还成功获得了硅谷独角兽公司 Scale AI 的正式聘请。
Scale AI 创始人兼 CEO 宣布设立'提示工程师'这一岗位，并称之为业内首次开设。这位 CEO 认为，AI 大模型可以被视为一种新型计算机，因此需要一种新型程序员去对其进行编程。虽然被称为程序员，但这份工作的核心并非传统意义上的编写代码，而是通过自然语言指令让 AI 生成所需的逻辑和代码。
关于薪酬，虽然双方未透露具体数字，但参考该公司平均年薪约为 13.7 万美元（约合人民币 95 万元），这比去年美国机器学习工程师的整体平均年薪高出约 22%。此外，a16z 支持的创业社区 Launch House 也发布了招聘信息，底薪高达 30 万美元，显示出市场对这一技能的高度渴求。
提示（Prompt）最早是对预训练模型做微调的一种新兴方法，被称为'NLP 的第四范式'。这种方法能以极小的代价让 AI 完成新的、在训练过程中未学过的任务。传统的微调方法需要更新模型的参数，对于像 GPT-3 这样拥有 1750 亿参数的超大模型，成本极高且效率低下。
提示学习的新方法完全不需要改动模型参数，只需将新任务写成提示模版给 AI 描述一下，再提供几个示例（Few-Shot Learning）即可。这种方法不仅节省成本，还能让训练好的 AI 大模型快速适应越来越多的新任务。
提示工程（Prompt Engineering）的核心在于找出合适的提示词，让 AI 发挥出最大潜力。例如，在 AI 绘画领域，早期用户发现只要在提示词中加入'虚幻引擎'字样，画质就会瞬间提升，这被视为最早的提示工程实践之一。
在纯语言模型中，技巧同样适用。研究表明，在提示词中加入'让我们一步一步地思考'（Chain-of-Thought），AI 做题的正确率可以从 17% 暴涨到 78.7%。这种技巧使得普通用户也能通过调整说话方式，引导 AI 给出更满意的结果。
Riley Goodside 之所以脱颖而出，是因为他不仅仅是随意出题，而是结合论文方法和总结的技巧组合使用。例如，他曾让 AI 根据一系列条件判断电视剧角色是否符合特定标准；甚至发现了 GPT-3 的'提示注入攻击'方法，能够绕过安全限制，让 AI 忽略之前的命令。
他最知名的作品之一是让 ChatGPT 扮演推特员工，在面对马斯克审查时撰写周报。经过多轮提示优化，AI 不仅给出了工作总结，还自动生成了配套代码，引发了广泛讨论。
Scale AI 主营为 AI 训练提供数据服务，是数据标注领域估值最高的公司之一。针对语言模型潮，该公司推出了 Spellbook（魔法书）业务，旨在存储、管理、自动推荐合适的提示词，比较同一提示词在不同模型下的效果，并结合其他服务快速上线部署 AI 应用。
除了 Scale AI，市场上已有不少初创公司和社区开始招聘此类人才。招聘要求往往不拘泥于传统技术背景，有的甚至只要求文学学位和对机器人的喜爱，这反映了该岗位对沟通能力和逻辑思维的高要求。
目前市场上的薪资水平普遍较高。以 a16z 支持的社区为例，其提供的底薪约为 30 万美元，另有提成机制。相比之下，传统软件工程师的平均年薪也在稳步增长，而提示工程师作为新兴工种，其溢价能力更为明显。
对于提示工程师是否算作真正的工程师，业界存在分歧。部分风险投资人和专家认为，提示工程师不能算作工程师，因为传统工程师需要学历和证书，而提示工程师似乎有手会打字就能干。
然而，支持方认为，编程就是用特定的文本序列让计算机做特定的事，写提示也是用文本序列让 AI 做特定的事。如果编程是一种工程，那写提示也应该属于工程范畴。特斯拉前 AI 总监曾倾向于将其称为'语言模型心理学家'，也有观点建议称为'AI Handler'或'Model Whisperer'。
有人预测这可能是一个短命的职业。随着微调大模型成本的降低，以及未来可能出现能自动生成提示词的 AI 模型，人工编写提示的需求可能会减少。此外，一旦与 AI 交互方式的文档完善起来，流程标准化后，这个工种也可能不再被需要。
但另一方面，随着应用场景的复杂化，人类在理解上下文、创意构思和伦理判断上的优势短期内难以被完全替代。人机协作的模式可能成为主流，提示工程师的角色将演变为更高级的 AI 架构师或协调者。
对于希望进入这一领域的开发者，以下是一个基于行业共识的学习路径建议：
从理解大模型的基本原理入手，掌握 Transformer 架构、注意力机制等核心概念。了解模型是如何处理输入输出数据的，这是设计有效提示的基础。
深入学习 Prompts 的设计技巧。包括零样本（Zero-shot）、少样本（Few-shot）提示，以及思维链（Chain-of-Thought）推理。练习如何通过调整措辞来改变模型的输出风格和质量。
借助云平台（如阿里云 PAI、AWS Bedrock 等）构建实际项目。例如，利用大模型构建电商领域的虚拟试衣系统，理解 API 调用、上下文窗口限制及成本控制。
以大模型知识库应用开发为主，以 LangChain 框架为例，构建物流行业咨询智能问答系统。学习如何将私有数据向量化，并通过检索增强生成（RAG）技术提高回答的准确性。
掌握 Fine-tuning 垂直训练大模型的技能，包括数据准备、数据蒸馏、大模型部署等一站式流程。针对大健康、新零售、新媒体等领域构建适合当前场景的专用模型。
以 SD（Stable Diffusion）等多模态大模型为主，搭建文生图、文生视频小程序案例。探索文本、图像、音频等多种模态之间的交互与转换。
以大模型平台应用与开发为主，通过星火大模型、文心大模型等成熟产品构建大模型行业应用。重点在于解决实际业务痛点，实现商业价值闭环。
ChatGPT 带来的热潮确实让写提示词这项技能变得抢手。无论最终这个岗位叫什么名字，它都标志着人机交互方式的重大变革。对于程序员而言，掌握与 AI 高效沟通的能力，将是未来职业生涯中的核心竞争力之一。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML转Markdown 互为补充。 在线工具，Markdown转HTML在线工具，online
